我们使用了三个来源来编制本次调查的补充剂清单:国家医学图书馆的药物信息[ 14]、有关顺势疗法疗法的HubPage [ 15]，以及作者之一(JM)编制的补充清单。这个列表是基于一个定性和详尽的互联网搜索关键字 草， 自然， 流感， 冷， 猪流感, 甲型H1N1流感并于2009年10月29日进行。通过合并这些列表，删除重复项，并解析缩写和同义词，创建了一个受控词汇表。我们在适当的地方使用了常用的和植物学的名称。受控词汇表的最终版本包含145个搜索词，并可作为 多媒体附件1．

我们使用一个简单的计算机程序(可根据要求提供)使用谷歌进行自动互联网搜索，使用谷歌是因为它是使用最频繁的搜索引擎。我们的程序使用上面描述的受控词汇表中的每一项并结合它们来执行搜索 甲型H1N1流感而且 猪流感单独作为一个搜索词。由此产生的单个搜索词的示例如下 维生素A而且 猪流感维生素A．每个词的搜索结果被写入一个机器可读的文件，作为与索引页数相关的词(“点击量”)。搜索在2009年11月15日进行。我们使用自己的代码而不是公开可用的软件，因为我们的查询执行起来很简单，而且我们可以在大学网格计算机上以批处理模式并行运行。

我们为这次调查计算了几个指标。第一个度规是F_{年代upplement}，定义为每种补充剂与H1N1一起单独计算的命中频率。因此,F_{年代upplement}反映了互联网上关于补充剂与H1N1同时出现的信息的流行程度，无论上下文如何，包括广告、讨论区或其他社交媒体上的提及，或与健康相关的上下文。

第二个度量是P_{年代upplement}，定义为网页上包含H1N1的特定补充剂的总点击率:

我们使用的第三个指标是 网页排名，由谷歌计算的指标，显示网页的受欢迎程度和重要性[ 16］．一个网页的排名是基于页面排名和“传入”链接的数量(用户从这些页面导航到一个网页)以及页面随时间接收的点击量。在谷歌返回的查询结果上，到网页的链接按页面排名顺序列出，在赞助链接之后。尽管大多数查询返回多页的结果，但我们只关注搜索结果的第一页，因为大多数用户从该页选择链接而不探索其他页面[ 17］．我们将页面排序从1(最相关)到10(最不相关)。

第四，我们使用信息理论的度量来评估每个查询返回的网页的可变性， 香农熵的：

其中熵，或H(X)，是变量X的不确定性P(X_我)为观察类别的概率 我在数据中，其中 我表示我们数据中的特定网页，例如，疾病控制和预防中心(CDC)的网页。在我们的上下文中，熵反映了谷歌上的查询在顶部插槽返回的不同网页的数量。我们比较了两种查询类型:对补充剂单独的查询和对每种补充剂加上H1N1的查询。我们使用熵来衡量在顶部位置返回的网页有多稳定;例如，当我们提交查询时，我们总是在第一个插槽中得到CDC的网页，还是相反，我们得到许多不同的网页。

作为第五个指标，我们使用谷歌Trends [ 16来调查搜索行为的时间趋势。该服务对谷歌web搜索活动进行采样，并报告特定术语相对于所有谷歌搜索的搜索量。我们调查了与最常搜索的补充剂相关的趋势(基于P_补充)和术语一起 流感．我们被限制使用这个术语，因为谷歌Trends没有检测到使用描述性更强的术语的足够的搜索活动 猪流感或 甲型H1N1流感与补充剂搜索相结合。我们不认为这一限制限制了我们的研究，因为我们比较了谷歌趋势曲线 流感而且 猪流感随着时间的推移，它们有完全相同的形状，在爆发的高峰期有相同的峰值。

观察期为2009年1月1日至2009年11月15日。搜索量与这段时间内发生的特定新闻事件进行了比较，以检查这些事件对搜索行为的影响。我们通过域或函数(如.gov、.com、news等)测量了对补充加H1N1的查询返回的命中概率。最后，我们确定了20种磷含量最高的补充剂的副作用和相互作用概况_补充值。

在各种网页上有大量关于H1N1大流行的信息，形式有政府的健康警报、新闻报道、广告以及博客、讨论板和流行的社交网络门户(如Facebook和Twitter)上的用户生成内容。 表1显示了在20页中发现的最常见的补充剂，包括来自对照词汇的补充剂和H1N1，按F排序_补充． 表1还显示了出现在含有H1N1病毒的网页上概率最高的20种补充剂，按P_补充．我们通过两种统计方法来衡量公众对某种疗法的兴趣_补充和P_补充．在我们的环境中，这些措施可以一起使用，也可以单独使用

当一些用户通过在讨论区和博客上发帖在网上提供有用的信息时，另一些用户则试图从政府机构、新闻机构和用户提供的丰富信息中寻找补救和预防技术。 图1显示了在H1N1大流行期间，谷歌上对搜索活动相对增长最高的前10种补充剂的查询的时间模式。基线是从2004年1月1日到2009年12月6日期间，对补充剂+流感对的平均搜索量。这种相对增长将大流行期间特定补充剂的搜索峰值与其基线联系起来。在2009年4月12日之前，谷歌Trends报告了非常有限的补充剂+流感搜索活动;因此，为了清楚起见， 图1显示2009年4月12日后的趋势。

图1描述了从2009年4月26日第一次H1N1流感报告开始的一段时间内的搜索活动。此后，“补充H1N1”的搜索量立即急剧下降。除了橙色和维生素D的搜索外，谷歌趋势在9月中旬之前没有发现进一步的重要补充剂搜索活动(相对于所有网络搜索活动)，当时媒体报道了H1N1死亡人数的增加。补充-加h1n1搜索活动在10月的最后一周达到顶峰，当时与h1n1相关的死亡人数达到1000人。2009年11月初，新闻中报道了H1N1疫苗的可用性。除了我们清单上的补充剂，我们还评估了联邦药物管理局的禁用补充剂清单[ 19]用于搜索与流感相关的活动。除了Airborne之外，被禁名单上的补充剂没有产生足够的搜索活动来在谷歌Trends上注册。

用于Internet搜索的查询词的选择决定了根据所参考的网站在Web上返回的信息的质量。 表2显示从单独查询H1N1、单独查询补充剂或查询补充剂+ H1N1对的结果的第一页中列出的站点。H1N1和补充-加H1N1查询对的前10个站点的平均页面排名分别为8和6.4。由于排名较高的页面通常更权威，用户仅查询H1N1病毒就会得到更有可能是权威的和/或由专家或组织积极策划和审查的消息来源。例如，当用户单独查询H1N1时，CDC网站显示在顶部位置。 表2显示了在查询H1N1附加补充时，从政府和严格管理的H1N1单独网站到不那么权威或管理的网站的转变。

接下来，我们计算了政府、新闻或其他网站类型在所有查询返回的前10个页面中的点击率，分别查询H1N1、补充或补充H1N1 ( 图2)．特别值得注意的是，随着搜索词从H1N1单独到补充剂单独到H1N1加补充剂，位点类型比例发生了变化。当仅查询H1N1时，访问政府网站的概率为0.38，当仅查询补充剂时，访问政府网站的概率为0.05，而当查询补充剂+ H1N1对时，访问政府网站的概率仅为0.006。当我们将查询中的补充剂和H1N1结合起来时，在我们的样本中所有补充剂中，按发生频率排名的前20个站点中没有政府机构。

除了更高的质量，查询的结果也更稳定，正如熵所示。当我们查询145对补充-加-H1N1对时，可以在查询结果的第一页的顶部位置返回多达145个不同的位置(为了进行比较，我们仅对H1N1执行了145个查询)。如果我们计算在我们查询补充物和H1N1对时，列在顶部位置的网站集合的熵，结果是0.83，而不是我们单独查询补充物时的0.51。当我们单独查询H1N1时，点击率最高的总是CDC或谷歌News (news.google.com)，结果熵仅为0.14。

在H1N1背景下，最常搜索的5种谷歌补充剂的已知副作用和相互作用在 表3．

我们的第一个发现是基于谷歌查询的结果。当人们使用像谷歌这样的搜索引擎提交Web查询时，所得到的链接可能指向不再存在的网站。此外，由于随机文本匹配，这类网站可能与搜索词(supplement和H1N1)存在虚假关联，这两个词存在于同一页面上，但在语义上没有关联。此外，返回的点击数低估了包含搜索词的网页的真实数量，因为一些网站是隐藏的，不能被谷歌索引。

我们的第二组结果基于搜索查询趋势。搜索查询是有限的:在谷歌Trends可以提供给定术语的趋势数据之前，相对于所有搜索，需要最少的搜索次数。因此，我们无法观察一些与H1N1 (P)同时发生的高概率补充剂的趋势_补充)，但单独补充的频率较低(F_补充)．其他问题包括谷歌Trends无法解释拼写错误的单词查询。例如，如果补充剂elderberry拼错为“eldaberry”，我们就不会看到所有的查询。尽管如此，我们不认为这些局限性影响了我们的结果或主要发现的方向。

虽然因特网上有大量关于天然产物和H1N1的信息，但这些信息的来源和质量是值得怀疑的。在H1N1出现期间，人们积极搜索H1N1补充剂的信息，这种互联网搜索模式反映了疾病的流行。由于互联网可能会在人类社会中发挥越来越大的作用，它提供及时、可靠和科学可靠的信息对于有效地处理当前和未来的流感等大流行疾病是至关重要的。因此，公共卫生机构应考虑在其网站上提供关于特定疾病的补充剂的客观信息。